论文部分内容阅读
视频运动信息检测是视频信息处理与分析的基础,被广泛应用于智能视频监控、高级人机交互等领域。然而,由于视频图像场景的复杂性,如照明条件的变化和环境的变化,以及场景中对象的复杂性,如不同对比度的对象、刚性与非刚性运动的对象等,使得传统的运动检测方法失去其实际应用的鲁棒性,如帧差法、光流法、背景减除法等,给视频运动信息检测造成了很大困难。因此,视频运动信息检测仍然是一个经典的研究课题。近年来,随着对视觉系统信息加工的神经机制研究的不断深入,模拟视觉系统的运动信息检测方法不断涌现。但这些方法主要集中在模拟视皮层独立神经元的属性,而忽视了视觉皮层整个神经网络中神经元之间存在相互影响,其检测结果不能满足实际应用要求。大量的神经生理学研究结果表明生物视觉中,视皮层神经元之间是相互连接的,这种连接使得神经元对外界刺激的响应存在着相互影响。为此,本文通过模拟生物视觉系统的信息加工机制以及视皮层神经元之间的连接方式,提出了自适应侧连接的视频对象运动信息检测方法,其创新之处主要表现在以下几个方面。 提出了视皮层神经元发放脉冲的自动阈值方法。基于脉冲神经元IF(Integrate and Fire)模型,当神经元受到外界刺激,其膜电位达到一定的阈值时,神经元将发放脉冲。但由于视觉场景整体的刺激强度,以及刺激强度持续的时间的不同,神经元发放脉冲的阈值将随之变化。为此,本文根据视皮层神经元对整个视场中感知的视觉信息,利用C-均值模糊聚类的方法获取脉冲神经元产生脉冲的阈值,从而满足实际应用要求,符合视觉神经元生理学机制。 提出了依赖视觉感知信息强度的自适应侧连接的方法。由于神经元之间的侧连接,使得神经元之间出现了中心环绕抑制和环绕易化的相互作用。然而,生物视觉系统的研究表明,相互作用的范围依赖于感知信息的强度。为此给出了相互作用方法的计算方法,当感知信息强时,其相互作用的范围小,相反,感知信息弱,其相互作用大。 提出了自适应的视频运动信息检测方法。根据神经元之间的中心环绕抑制和环绕易化的最强相互作用分别出现在正交方向和同向方向,给出了神经元之间相互作用的加权系数的计算方法,从而有效地抑制了噪声,增强了弱对比度的运动信息。 通过将建议的方法在仿真数据与真实数据库上进行实验,实验结果与数据进行分析表明,本文建议的方法对视频运动检测是有效性。该研究成果将推动认知计算和计算机视觉的发展。